Sklearn常用特征提取和处理方法

特征分为：连续数值类型和分类类型。其中连续数值类型通常需要做归一化。 分类类型必须因子化

1、将分类变量转换为数值编号，才可以被处理

import pandas as pd
import numpy as np
from sklearn import preprocessing

用LabelEncoder对不同的犯罪类型编号
leCrime = preprocessing.LabelEncoder()
crime = leCrime.fit_transform(train.Category)

2、将分类特征因子化

为什么要因子化：
对于类型因变量。如果仅仅采用数值编码，那最大的问题就是在这种处理方式中，各种类别的特征都被看成是有序的，这显然是非常不符合实际场景的，所以因子化

方法有两种：

1） pandas 的 get_dummies()方法 ，

days = pd.get_dummies(train.DayOfWeek)
district = pd.get_dummies(train.PdDistrict)
dummies_Cabin = pd.get_dummies(data_train[‘Cabin’], prefix= ‘Cabin’)

2） sklearn.preprocessing.OneHotEncoder方法

enc =